Abstrak—Morbiditas adalah kondisi seseorang dikatakan sakit apabila keluhan kesehatan yang dirasakan menyebabkan terganggunya aktivitas sehari-hari yaitu tidak dapat melakukan kegiatan bekerja, mengurus rumah tangga, dan kegiatan normal sebagaimana biasanya. Semakin tinggi morbiditas, menunjukkan derajat kesehatan penduduk yang semakin buruk. Berdasarkan hasil Survei Sosial Ekonomi Nasional (SUSENAS), pada tahun 2010 angka morbiditas Jawa Timur sebesar 28,4%, sedangkan pada tahun 2014 angka morbiditas Jawa Timur mencapai 30,21%. Adanya peningkatan angka morbiditas tersebut tentunya disebabkan oleh faktor-faktor baik gaya hidup maupun kondisi lingkungan di wilayah tersebut. Oleh karena itu, dilakukan sebuah penelitian berupa pemodelan untuk mengetahui faktor-faktor yang mempengaruhi morbiditas di Jawa Timur. Berdasarkan data yang diperoleh dari SUSENAS Jawa Timur tahun 2014, menunjukkan bahwa pola hubungan antara morbiditas penduduk dengan faktor-faktor yang mempengaruhinya tidak berpola tertentu, sehingga pada penelitian ini digunakan metode regresi nonparametrik spline. Hasil penelitian ini menunjukkan bahwa model regresi terbaik menggunakan 3 titik knot dengan 6 variabel yang signifikan yaitu kepadatan penduduk, rata-rata lama sekolah, persentase penduduk miskin, Upah Minimum Kabupaten, persentase rumah tangga Open Defecation (OD), dan persentase rumah tangga dengan jarak sumber air minum ke tempat penampungan kotoran lebih dari 10 meter. Nilai kebaikan model atau R2 yang diperoleh
yaitu sebesar 89,72%.
Kata Kunci—Angka Morbiditas, GCV, Jawa Timur, Regresi Nonparametrik Spline, Tititk Knot.
I. PENDAHULUAN
UJUAN pembangunan berkelanjutan atau Sustainable Development Goals (SDGs) yang telah disepakati oleh Perserikatan Bangsa-Bangsa (PBB) mempunyai fokus utama, yaitu meningkatkan kesejahteraan manusia dalam berbagai aspek kehidupan. Salah satu aspek yang menjadi alat pengukur tingkat kesejahteraan manusia di Indonesia disebut Indeks Pembangunan Manusia (IPM). Sumber Daya Manusia (SDM) yang sehat secara fisik diharapkan menjadi manusia berkualitas yang dapat ikut berperan dalam pembangunan untuk mewujudkan kesejahteraan rakyat [1]. Sehat adalah suatu keadaan yang sempurna baik secara fisik, mental, dan sosial, serta bebas dari penyakit atau kelemahan. Oleh karena itu, indikator kesehatan suatu daerah dapat ditinjau dari jumlah penduduk yang mengalami kesakitan atau terjangkit suatu penyakit [2].
Angka morbiditas merupakan ukuran tentang kesakitan atau
keluhan kesehatan di suatu wilayah [3]. Angka morbiditas mempunyai peranan yang lebih penting dibandingkan dengan angka kematian [4]. Hal ini disebabkan apabila angka kesakitan tinggi, maka akan memicu kematian sehingga menyebabkan angka kematian juga tinggi, sehingga angka harapan hidup di suatu wilayah akan rendah.
Jawa Timur merupakan provinsi dengan luas wilayah terbesar di Pulau Jawa. Pada tahun 2010 angka morbiditas penduduk Jawa Timur sebesar 28,4%, namun terjadi peningkatan pada tahun 2014 menjadi 30,21%. Peningkatan tersebut disebabkan oleh faktor-faktor yang mempengaruhi. Menurut Lembaga Demografi UI [5] serta penelitian tentang morbiditas yang dilakukan Hanum [6], Ardhiyanti [7], Fuhrer[8], dan Arola [9] faktor determinan morbiditas merupakan faktor sosial, ekonomi, dan budaya.
Berdasarkan pola data variabel prediktor terhadap variabel respon yang tidak mengikuti pola tertentu, maka akan dilakukan pemodelan menggunakan regresi nonparametrik spline [10]. Penelitian dengan metode regresi nonparametrik spline telah dilakukan oleh Ramadhani [11] tentang jumlah pengangguran terbuka. Metode ini mempunyai sifat tersegmen, sehingga mempunyai fleksibelitas tinggi dan dapat menyesukaikan diri terhadap karakteristik lokal suatu data [12].
II. TINJAUAN PUSTAKA
A. Regresi Nonparametrik Spline
Regresi nonparametrik merupakan suatu metode Statistika yang digunakan untuk mengetahui hubungan antara variabel respon dengan variabel prediktor yang tidak diketahui bentuk fungsinya, hanya diasumsikan smooth (mulus) dalam arti termuat dalam suatu ruang fungsi tertentu. Regresi nonparametrik merupakan regresi yang sangat fleksibel dalam memodelkan pola data [12]. Model regresi nonparametrik secara umum dapat disajikan sebagai berikut:
, =1,2,3,...,i i i
y f x i n (1) dimana yi merupakan variabel respon, xi merupakan variabel
prediktor,f x
i merupakan fungsi regresi yang tidak mengikuti pola tertentu, dan εi~ IIDN (0,σ2I). Apabila kurvaregresi f merupakan model aditif dan dihampiri dengan fungsi spline maka diperoleh model regresi sebagai berikut,
1
( ) , 1, 2,...,
p
i ji i
j
y f x i n
(2)Pemodelan Faktor-Faktor yang Mempengaruhi
Angka Morbiditas di Jawa Timur Menggunakan
Regresi Nonparametrik Spline
Krisna Wulandari, I Nyoman Budiantara, dan Madu Ratna
Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail: i_nyoman_b@statistika.its.ac.id
dimana : bentuk perubahan perilaku dari fungsi pada sub-sub interval tertentu. Nilai q merupakan derajat polinomial. Kurva polinomial derajat satu disebut kurva linier, kurva polinomial derajat dua disebut kurva kuadratik serta derajat tiga disebut kurva kubik. Persamaan (2) dapat diuraikan sebagai berikut:
01 11 1 1 1 11 1 11 1 1 1
Estimasi parameter model regresi nonparametrik spline dilakukan dengan menggunakan metode Ordinary Least Square (OLS) sebagai berikut.
1ˆ
β Χ'Χ Χ'y
% % (4)
B. Pemilihan Titik Knot Optimal
Salah satu metode yang digunakan untuk pemilihan titik knot optimal adalah Generalized Cross Validation (GCV). Metode GCV mempunyai sifat optimal asimtotik jika dibandingkan dengan metode lain, misalnya Cross Validation
(CV) [13]. Model spline dengan nilai GCV terkecil dari titik knot optimal merupakan model spline yang terbaik . Metode GCV dapat dituliskan sebagai berikut [12],
1 2 dimana I adalah matriks identitas, n merupakan jumlah pengamatan, k( ,k k1 2,...,km) merupakan titik-titik knot, dan
Diberikan model regresi nonparametrik spline derajat q
dengan knot-knot k1, k2,..., km:
1. Pengujian Parameter Model Secara Serentak
Uji serentak dilakukan untuk mengetahui signifikasi parameter model regresi secara bersama-sama.
0 1 2
Nilai q+m merupakan banyak parameter dalam model regresi nonparametrik spline kecuali 0
Statistik uji yang digunakan adalah sebagai berikut.
hitung
2. Pengujian Parameter Model Secara Individu
Pengujian secara individu dilakukan untuk mengetahui apakah parameter secara individual mempunyai pengaruh yang signifikan terhadap variabel respon, dengan hipotesis sebagai berikut:
Pengujian secara individu dilakukan dengan menggunakan uji t
[15]. Statistik uji yang digunakan adalah sebagai berikut:
kebaikan model, yang diberikan sebagai berikut.
2
1. Uji Normalitas Kolmogorov-Smirnov
Uji Kolmogorov-Smirnov bertujuan untuk mengetahui apakah suatu data telah mengikuti suatu distribusi tertentu. H0 : Fn (ε) = F0 (ε)
H1 : Fn (ε) ≠ F0 (ε)
Statistik uji yang digunakan adalah sebagai berikut.
0
Asumsi identik terpenuhi apabila varians antar residual sama, atau tidak terjadi heteroskedastisitas [15].
2
var( )yi var( )i ; i1, 2,...,n (12)
Uji identik dapat menggunakan uji Glejser. Hipotesis yang digunakan adalah sebagai berikut:
2 2 2 2 didapatkan
dari model regresi, selanjutnya dilakukan regresii
terhadap X sehingga diperoleh nilai Fhitung. Statistik uji yang
digunakan sebagaimana Persamaan (13).
H0 ditolak apabila Fhitung > Fα;(v-1,n-v)atau p-value < α, dimana
nilai v adalah banyaknya parameter model Glejser.
E. Morbiditas
Morbiditas adalah kondisi seseorang dikatakan sakit apabila keluhan kesehatan yang dirasakan menyebabkan terganggunya aktivitas sehari-hari yaitu tidak dapat melakukan kegiatan bekerja, mengurus rumah tangga, dan kegiatan normal sebagaimana biasanya [3]. Berikut merupakan rumus angka morbiditas. kesehatan dan terganggunya aktivitas
JP : jumlah penduduk
III. METODOLOGI PENELITIAN
A. Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari Badan Pusat Statistika Provinsi Jawa Timur, Laporan Survei Sosial Ekonomi Nasional (SUSENAS) dan Profil Kesehatan Provinsi Jawa Timur tahun 2014. Unit penelitian yang digunakan merupakan 38 kabupaten dan kota di provinsi Jawa Timur.
B. Variabel Penelitian
Variabel respon yang digunakan dalam penelitian ini adalah angka morbiditas penduduk provinsi Jawa Timur, sedangkan variabel prediktor yang diduga berpengaruh adalah sebagai berikut.
Tabel 1. Variabel Penelitian Variabel Keterangan
Y Angka morbiditas X1 Kepadatan penduduk
X2 Angka buta huruf
X3 Rata-rata lama sekolah penduduk 15 tahun keatas
X4 Persentase penduduk miskin
X5 Upah Minimum Kabupaten/ Kota (UMK)
X6 Persentase rumah tangga Open Defecation (OD)
X7
Persentase rumah tangga dengan jarak sumber air minum ke tempat penampungan kotoran lebih dari 10 meter
C. Langkah-Langkah Penelitian
Langkah-langkah analisis dalam penelitian adalah sebagai berikut.
1. Mendeskripsikan angka morbiditas di Jawa Timur dan
faktor-faktor yang mempengaruhinya.
2. Membuat scatter plot antara variabel respon dengan
masing-masing variabel prediktor untuk mengetahui pola hubungan yang terjadi.
3. Memodelkan variabel respon (angka morbiditas)
menggunakan model regresi nonparametrik spline dengan berbagai titik knot.
4. Memilih titik knot optimal berdasarkan nilai GCV yang
paling minimum.
5. Mendapatkan model regresi spline terbaik dengan titik
knot optimal.
6. Melakukan uji signifikansi parameter secara serentak dan
parsial.
7. Melakukan uji asumsi residual identik, independen, dan
berdistribusi normal (IIDN) dari model regresi spline.
8. Membuat interpretasi model dan menarik kesimpulan.
IV. ANALISIS DAN PEMBAHASAN
A. Karakteristik Angka Morbiditas di Jawa Timur
Pada tahun 2014 angka morbiditas di Jawa Timur mencapai 30,21%. Hal ini berarti terdapat 30 penduduk dari 100 penduduk di Jawa Timur yang mengalami keluhan sakit. Angka morbiditas tertinggi terletak pada Kota Kediri yaitu sebersar 41,24, sedangkan angka morbiditas terendah terletak pada Kabupaten Sidoarjo yaitu sebesar 22,31. Kota Kediri mempunyai angka morbiditas tertinggi di Jawa Timur karena sejak tahun 2006 kondisi lingkungan Kota Kediri tercemar oleh polusi PT. Gudang Garam, sehingga mengakibatkan warga Kota Kediri mengalami gangguan ISPA. Kabupaten Sidoarjo memiliki angka morbiditas terendah disebabkan karena fasilitas kesehatan Kabupaten Sidoarjo yang baik. Pada tahun 2013 Kabupaten Sidoarjo membentuk Program Pembangunan Terpadu Berbasis Kawasan Kemiskinan (PTBK2). Berikut merupakan karakteristik data dari tujuh faktor yang diduga berpengaruh terhadap angka morbiditas di Jawa Timur.
Tabel 2.
Statistika Deskriptif Faktor-faktor yang diduga Mempengaruhi Pengangguran di Indonesia
Berdasarkan Tabel 2, kepadatan penduduk (X1) terendah
terletak pada Kabupaten Pacitan, sedangkan kepadatan penduduk tertinggi terletak pada Kota Surabaya, karena Kota Surabaya merupakan ibukota Provinsi Jawa Timur. Angka buta huruf (X2) terendah terletak pada Kota Pasuruan, sedangkan
angka buta huruf tertinggi terletak pada Kabupaten Sampang. Rata-rata lama sekolah (X3) terendah terletak pada Kabupaten
Sampang, sedangkan rata-rata lama sekolah tertinggi terletak pada Kota Malang, karena fasilitas pendiidikan Kota Malang yang baik yaitu memiliki 80 perguruan tinggi. Persentase penduduk miskin tertinggi (X4) adalah Kabupaten Sampang,
karena infrastruktur yang kurang memadai, sedangkan Kota Batu menjadi kota dengan persentase penduduk miskin terendah. Kota Surabaya merupakan kota dengan UMK tertinggi. Untuk persentase rumah tangga OD tertinggi adalah Kabupaten Situbondo, sedangkan persentase OD (X6) terendah
Sidoarjo, sedangkan nilai tertinggi adalah Kota Batu. Hal ini dikarenakan Kabupaten Sidoarjo merupakan kabupaten yang tergolong pada kepadatan penduduk tinggi di Jawa Timur.
B. Pola Data Antara Angka Morbiditas dengan Variabel yang
Diduga Mempengaruhi
Langkah pertama dalam melakukan analisis regresi adalah membuat scatter plot untuk mengetahui pola hubungan variabel prediktor terhadap variabel respon yaitu angka morbiditas. Gambar 1 menunjukkan bahwa pola hubungan antara angka morbiditas dengan seluruh variabel prediktor tidak membentuk pola tertentu, sehingga metode yang digunakan adalah regresi nonparametrik spline.
Gambar 1 Scatterplot variabel prediktor terhadap respon
C. Pemilihan Titik Knot Optimal
Nilai GCV minimum pada pemilihan titik knot optimal dengan satu titik knot, dua titik knot, tiga titik knot, dan kombinasi titik knotditampilkan sebagai berikut.
Tabel 3.
Nilai GCV Minimum Titik Knot Optimal
Model GCV
1 Titik Knot 33,46 2 Tititk Knot 31,88 3 Titik Knot 18,28 Kombinasi Titik Knot (1,2,2,3,3,2) 24,34
Berdasarkan kriteria pemilihan model terbaik diketahui bahwa nilai GCV paling minimum dihasilkan oleh model regresi nonparametrik spline dengan tiga titik knot.
D. Pengujian Signifikansi Parameter Model Regresi
Nonparametrik Spline
1. Uji Serentak
Pengujian secara serentak ini dilakukan untuk menguji estimasi parameter model secara bersamaan (simultan). Nilai 𝛼 yang digunakan sebesar 0,05. Berikut ini adalah hasil analisis ragam model regresi nonparametrik spline.
Tabel 4.
Berdasarkan Tabel 4 dapat diketahui bahwa nilai p-value
sebesar 0,0063. Nilai ini lebih kecil daripada nilai 𝛼 yaitu 0,05 sehingga tolak H0 yang artinya minimal terdapat satu parameter
yang signifikan dalam model. Untuk mengetahui parameter mana yang signifikan dalam model, dilakukan pengujian secara individu.
2. Uji Individu
Pengujian secara individu dilakukan untuk mengetahui variabel yang berpengaruh signifikan terhadap angka morbiditas di Jawa Timur. Berikut ini adalah hasil pengujian signifikansi parameter model secara individu. Berdasarkan Tabel 5 diketahui terdapat lima variabel yang berpengaruh secara signifikan terhadap angka morbiditas yaitu X1, X3, X5,
X6, dan X7..
Tabel 5 Hasil Uji Individu
Variabel Parameter Estimasi p-value Ket. 𝛽0 2,15 0,518 Tidak Signifikan
Selanjutnya dilakukan pemodelan kembali dengan menggunakan enam variabel prediktor yaitu dengan menghapus variabel X2 terlebih dahulu. Variabel tersebut dihapus karena pada tahun 2014, indikator pendidikan telah diganti menjadi rata-rata lama sekolah atau variabel X3.
Tabel 6.
Nilai GCV Minimum Titik Knot Optimal Enam Prediktor
Model GCV
1 Titik Knot 29,04 2 Tititk Knot 28,66 3 Titik Knot 20,56 Kombinasi Titik Knot (3,2,2,3,3,3) 22,95
F. Penaksiran Parameter Model Regresi Nonparametrik
Spline Enam Variabel Prediktor
Model tersebut merupakan model dengan nilai GCV terkecil, didapatkan model terbaik yaitu model regresi nonparametrik spline dengan tiga titga titik knot dengan enam variabel prediktor.
0,162( 1416,33) 0,382( 1465,31) 0,211( 1563, 27) 0, 42 1,338( 27, 47)
G. Pengujian Signifikansi Parameter Model Regresi
Nonparametrik Spline
Seperti prosedur sebelumnya, akan dilakukan pengujian signifikansi parameter baik secara serentak maupun parsial.
Tabel 7.
Analisis Ragam Uji Serentak Enam Prediktor
Sumber Variasi db JK RJK F p-value
terdapat satu parameter yang tidak sama dengan nol atau secara bersama enam variabel prediktor berpengaruh secara signifikan terhadap angka morbiditas penduduk di Jawa Timur.
Tabel 8.
Hasil Uji Individu Enam Prediktor
Variabel Parameter Estimasi p-value Ket. 𝛽0 8,56 0,000 Signifikan
Berdasarkan Tabel 8 diketahui bahwa keenam prediktor berpengaruh secara signifikan terhadap angka morbiditas di Jawa Timur. Variabel tersebut adalah kepadatan penduduk, rata-rata lama sekolah, persentase penduduk miskin, Upah
Minimum Kabupaten (UMK), persentase rumah tangga Open
Defecation (OD) dan persentase rumah tangga dengan jarak
sumber air minum ke tempat penampungan kotoran lebih dari 10 meter.
H. Pengujian Asumsi Residual
1. Uji Normalitas Residual
Uji normalitas digunakan untuk mengetahui apakah residual telah mengikuti pola distribusi normal.
5,0
Gambar 3 Uji Normalitas Residual Kolmogorov-Smirnov
Berdasarkan Gambar 3 nilai KS yang diperoleh sebesar 0,113 dengan p-value lebih besar dari 0,150. Pada tingkat signifikan 5% didapatkan nilai KS tabel atau D(1-α) sebesar 0,194, sehingga
nilai KShitung kurang dari KStabel dan p-value lebih dari 0,05.
Berdasarkan perumusan hipotesis pada BAB II, maka gagal tolak hipotesis awal, sehingga residual dari model regresi nonparametrik spline yang didapatkan telah berdistribusi normal.
2. Asumsi Identik
Berikut ini adalah hasil analisis ragam uji Glejser Tabel 9.
Analisis Ragam Uji Glejser
Sumber Variasi db JK RJK F Hitung p-value
Regresi 24 40,57802 1,691 0,643 0,831 Residual 13 34,15664 2,627
Total 37 74,73466
Berdasarkan Tabel 9 didapatkan nilai Fhitung uji Glejser sebesar
0,643 dengan p-value sebesar 0,831. Pada tingkat signifikan 5%, maka p-value kurang dari α, sehingga gagal tolak H0. Hal
ini berarti bahwa residual memiliki varians yang homogen atau telah memenuhi asumsi identik.
I. Nilai Koefisien Determinasi (R𝟐�)
Berdasarkan perhitungan didapatkan nilai R2 sebesar
89,72%. Hal ini berarti model regresi nonparametrik spline yang didapatkan mampu menjelasikan variabilitas angka morbiditas di Jawa Timur sebesar 89,72%. Nilai tersebut mendekati 100%, sehingga model sudah cukup baik.
J. Interpretasi Model Regresi Nonparametrik Spline
dan X7 dianggap konstan, maka pengaruh kepadatan penduduk
(X1) terhadap angka morbiditas adalah 1
Berdasarkan model yang diperoleh dapat diinterpretasikan bahwa apabila wilayah dengan kepadatan penduduk kurang dari 3223,23 penduduk per km2 naik sebesar 10 penduduk per km2,
maka angka morbiditas akan naik sebesar 0,01 persen. Wilayah yang berada pada interval adalah seluruh wilayah kabupaten di Jawa Timur beserta Kota Batu. Apabila wilayah dengan kepadatan penduduk berada antara 3223,22 dan 3556,90 penduduk per km2 naik sebesar 10 penduduk per km2, maka
angka morbiditas akan naik sebesar 2,3 persen. Apabila wilayah dengan kepadatan penduduk berada antara 3556,90 dan 4224,24 penduduk per km2 naik sebesar 10 penduduk per km2,
maka angka morbiditas akan turun sebesar 1,24 persen. Wilayah yang termasuk pada kategori tersebut yaitu Kota Kediri, Kota Blitar, dan Kota Probolinggo. Pada daerah ini pengaruh kepadatan penduduk dengan angka morbiditas cenderung turun karena wilayah pada interval tersebut merupakan wilayah perkotaan dengan kepadatan penduduk yang tidak terlalu tinggi serta jumlah fasilitas kesehatan yang lebih banyak dibanding wilayah kabupaten. Apabila wilayah dengan kepadatan penduduk lebih dari 4224,24 penduduk per km2 naik sebesar 10 penduduk per km2, maka angka morbiditas
akan naik sebesar 0,005 persen, wilayah yang termasuk yaitu Kota Malang, Kota Pasuruan, Kota Mojokerto, Kota Madiun, dan Kota Surabaya.
Gambar 5. Kepadatan Penduduk Bedasarkan Interval Titik Knot
Selanjutnya, interpretasi variabel rata-rata lama sekolah, persentase penduduk miskin, UMK, perserntase rumah tangga OD, dan persentase rumah tangga dengan jarak sumber air minum ke tempat pembuangan kotoran lebih dari 10 meter dilakukan dengan cara yang serupa seperti yang telah dijelaskan.
K. Rekomendasi Untuk Pemerintah Jawa Timur
World Health Organization (WHO) (2013) menyatakan bahwa target angka morbiditas kasar suatu wilayah sebesar
kurang dari 25% Berdasarkan Tabel 4.9 diketahui bahwa model optimis didapatkan dari nilai minimum seluruh variabel prediktor. Provinsi Jawa Timur akan mencapai target WHO apabila berada pada model optimis yaitu dengan angka morbiditas sebesar 15,16% dan 23,06%. Angka morbiditas yang sesuai target akan terpenuhi apabila seluruh variabel prediktor berada pada nilai minimum.
Tabel 9.
Skenario Model Angka Morbiditas
X1 X3 X4 X5 X6 X7 Prediksi Model
Angka morbiditas tertinggi terletak pada Kota Kediri yaitu sebersar 41,24%, sedangkan angka morbiditas terendah terletak pada Kabupaten Sidoarjo yaitu sebesar 22,31%. Model regresi nonparametrik spline terbaik diperoleh dengan menggunakan tiga titik knot dengan nilai koefisien determinasi (R2) sebesar
89,69% dengan enam variabel yang berpengaruh secara signifikan yaitu kepadatan penduduk, rata-rata lama sekolah, persentase penduduk miskin, UMK, perserntase rumah tangga OD, dan persentase rumah tangga dengan jarak sumber air minum ke tempat pembuangan kotoran lebih dari 10 meter.
Saran untuk penelitian selanjutnya sebaiknya menambah jumlah variabel yang diduga berpengaruh terhadap angka morbiditas di Provinsi Jawa Timur, sehingga diharapkan akan mendapatkan model yang lebih sesuai. Bagi pemerintah, sebaiknya memperhatikan variabel yang mempunyai pengaruh cukup besar pada angka morbiditas di Provinsi Jawa Timur seperti persentase penduduk miskin dan persentase rumah tangga OD.
DAFTAR PUSTAKA
[1] Badan Pusat Statistik Republik Indonesia. 2009. Statistik Kesehatan Republik Indonesia Tahun 2009. Badan Pusat Statistik Republik Indonesia.
[2] Badan Pusat Statistik Jawa Timur. 2014. Hasil Survei Sosial Ekonomi Nasional Tahun 2014 Provinsi Jawa Timur. Badan Pusat Statistik Jawa Timur.
[3] Sirusa BPS. 2016. Angka Kesakitan (Morbiditas), diakses dari https://sirusa.bps.go.id/ tanggal 10 Agustus 2016.
[4] Kartasasmita, C.B. 2009. Epidemiologi Tuberkulosis. Sari Pediatri. Vol 11, No 2, Agustus 2009, 124-9.
[5] Lembaga Demografi UI. 2010. Dasar-Dasar Demografi. Jakarta : Salemba Empat.
[6] Hanum, D. 2013. Faktor-faktor yang Mempengaruhi Morbiditas Penduduk Jawa Timur dengan Multivariate Geographically Weighted Regression (MGWR). Penelitian, Jurusan Statistika, ITS.
[7] Ardhiyanti, N.L.P.D. 2013. Peningkatan Angka Morbiditas di Provinsi Bali. Thesis, Jurusan Ilmu Ekonomi, Universitas Udayana..
[8] Fuhrer, R., Shipley, M.J., Chastang, J.F., Schmaus, A., Niedhammer, I., Stansfeld, S.A., Goldberg, M. dan Marmot, M.G. 2002. Socioeconomic Position, Health, and Possible Explanations: A Tale of Two Cohorts.
[9] Arola, H., Pitkanen, M., Nygrad, C.H, Huhtala, H., dan Manka, M.L. 2003. The Connection Between Age, Job Controll, and Sickness Absences Among Finnishing Food Workers. Occupational Medicine, Vol 53 No 3: 229-230.
[10] Budiantara, I.N. 2009. Spline dalam Regresi Nonparametrik dan Semiparametrik: Sebuah Pemodelan Statistika Masa Kini dan Masa Mendatang. Surabaya: ITS Press.
[11] Ramadhani, R.K. 2016. Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Pengangguran Terbuka Menggunakan Regresi Nonparametrik Spline di Indonesia. Penelitian, Jurusan Statistika, ITS.
[12] Eubank, R. 1988. Spline Smoothing and Nonparametric Regression.
Marcel Dekker Inc. New York.
